Show HN: OJCP —— 面向智能体可消费职位数据的开放协议

Hacker News Top 工具

摘要

OJCP(开放职位上下文协议)是基于 MCP 构建的新开放标准,让 AI 智能体能够以结构化、同意优先的方式发现、评估和申请职位。它定义了用于职位搜索、申请和状态跟踪的模式和 MCP 工具,旨在标准化智能体与职位的交互。

作者在此!<p>目前,智能体正在以越来越大的数量代替人们申请职位,但在这方面还没有任何专门构建的设施。因此,它们会抓取招聘页面,并用 Playwright/Browser Use 与 ATS 表单搏斗,这经常导致崩溃(或被封禁)。雇主被大量不匹配的申请淹没,候选人则收不到任何回复,而简历现在变成了由一个 AI 撰写、再由另一个 AI 评分的产物(顺便说一句,这彻底打破了现有的模式)。<p>OJCP 提供了用于搜索和申请的 MCP 工具,在 /.well-known/ojcp.json 处有一个清单,让智能体能够找到服务提供者,以及用于扩展 schema.org 而非替代它的模式。网站上的 Playground 是一个实时 MCP 端点,你现在就可以向它发起调用。<p>当模型越来越擅长理解事物时,为什么还需要一个规范?推理无法产生授权。智能体可以推断出表单想要什么,但它无法确认某人对这次具体提交表示同意,而且雇主也没有办法验证是谁在调用。所以,简而言之,能力更强的智能体同时也可能是更强大的冒充者。<p>在这个模型中,信任是双向的。智能体使用 CloudFlare 和 OpenAI 已经在使用的同一方法对请求进行签名,服务提供者签署其清单,智能体可以对照 JWKS 进行验证,信任层级则限制了候选人的个人身份信息(PII)可以提供给某个给定服务提供者的数量。验证发生在同意时,因此浏览无需任何成本,只有当交互真正发生时,你才需要付费验证。<p>我是 Recruitics(招聘广告公司)的 CTO,之前曾在 LinkedIn 工作过一段时间,因此我在招聘和求职的交汇处待了相当长的时间,深刻体会过双方的痛点。<p>很高兴回答大家的问题!
查看原文
查看缓存全文

缓存时间: 2026/08/13 18:21

# OJCP —— 开放职位上下文协议 Source: https://ojcp.dev/ OJCP —— 开放职位上下文协议 ## 面向 | 的开放标准 OJCP 定义了 AI 智能体如何发现、推理并作用于职位机会。基于 MCP 构建。与 schema.org 互操作。由独立指导委员会(https://ojcp.dev/governance)治理,并设计为与更广泛的智能体网络(agentic web)组合使用。 ## 为什么选择 OJCP ## 为智能体网络而生 一种共享协议,让 AI 智能体和职位提供者使用同一种语言 —— 结构化、可发现、尊重隐私。 ## MCP 原生工具 OJCP 工具是有效的 MCP 工具。任何 MCP 客户端都可以开箱即用地调用 `search_jobs`、`get_job_detail` 和 `begin_application`。 ## 结构化发现 提供者在 `/.well-known/ojcp.json` 暴露清单(manifest)。智能体自动发现能力、工具和申请路径。 ## 标准化申请路径 一套标准的申请机制分类法 —— 从 ATS 直连到智能体就绪流程 —— 让智能体确切知道如何申请。 ## 以同意为先的隐私 候选人数据为选择加入(opt-in)且有作用域。简历嵌入可以在不传输 PII 的情况下进行匹配度评分。智能体自我声明身份。 ## 智能体感知排名 传递 CandidateContext 以获取个性化结果。提供者返回 `fit_score` 和 `fit_rationale` 以及标准职位数据。 ## WebMCP 就绪 浏览器原生智能体可以通过 `navigator.modelContext` 访问 OJCP 工具。相同的模式,相同的工具,新的界面。 ## 规范 ## 模式与工具 OJCP 定义了七个核心模式(schema)和六个标准 MCP 工具。提供者必须实现 `search_jobs`;其余均为推荐实现。自定义工具使用带命名空间的名称(例如 `acme:get_referral_link`)。 ### 位于 `/.well-known/ojcp.json` 的发现端点 - `ojcp_version` - `provider` - `tools` - `mcp_endpoint` - `auth` - `rate_limits` ### 在 schema.org/JobPosting 基础上扩展智能体特定字段 - `ojcp_id` - `skills_required` - `experienceLevel` - `apply_paths` - `urgency` ### 基于同意范围的候选人档案(用于个性化结果) - `consent_scope` - `skills` - `experience_years` - `employment_type_preference` ### 用于审计跟踪的智能体自我标识 - `agent_id` - `acting_on_behalf_of` - `interaction_mode` - `user_consent_token` ### 身份验证操作(用于人工完成) - `step_id` - `type` - `verifier_id` - `verification_url` - `human_required` ### 带有必需声明的 JWS 证明:iss、aud、sub、iat、exp、nonce —— 不含 PII - `step_id` - `verifier_id` - `proof_token (JWS)` - `subject_hash (SHA-256)` - `issued_at` - `expires_at` ### 托管在 `/.well-known/ojcp-verifier.json` 的发现文档 - `verifier_id` - `verification_types` - `proof_delivery_methods` - `proof_format (jws|jws+jwe)` - `signing_algorithms` - `public_keys_url (JWKS)` ## 工作原理 ## 从发现到申请的四步 ## 发现 智能体探测 `/.well-known/ojcp.json` 或查询 OJCP 注册表以查找提供者。清单声明可用的工具、申请路径和身份验证要求。 ## 搜索与评估 智能体调用 `search_jobs`,并可附带 `candidate_context` 以获得个性化排名。每个结果都包含 `fit_score`、申请路径和结构化元数据。 ## 申请 智能体调用 `begin_application`,附带 `agent_declaration` 和候选人的同意令牌。提供者返回所需字段以及用于多步骤流程的会话。 ## 跟踪 智能体调用 `check_application_status` 以监控进度。提供者在整个招聘流程中发出结构化状态更新。 ## 示例 ## 查看实际运行 从发现到申请 —— 你的智能体今天就可以使用的真实 OJCP 负载。 ## 申请路径 ## 标准化申请分类法 OJCP 将零散的申请机制格局标准化为智能体可以推理的分类法。 | 类型 | 描述 | 智能体提交支持 | | `ats_direct` | 通过 ATS 直接申请(Workday、Greenhouse、Lever 等) | 视情况而定 | | `provider_hosted` | 提供者控制申请流程并交付给 ATS | 完全支持 | | `platform_native` | 第三方平台拥有流程(例如 Indeed Apply、Easy Apply) | 有限支持 | | `email` | 传统的基于电子邮件的申请 | 不支持 | | `external_redirect` | 重定向到不透明的外部页面 | 不支持 | | `custom` | 用于非标准申请机制的总称(自建、对话式等) | 视情况而定 | ## 实时试验场 ## 试用 OJCP API 本网站是一个实时的 OJCP 提供者。针对模拟

相似文章

Open Computer Use

Product Hunt

Open Computer Use 是一个开源的 MCP (模型上下文协议),用于 AI 代理控制计算机界面。